/[webpac]/trunk2/all2xml.pl
This is repository of my old source code which isn't updated any more. Go to git.rot13.org for current projects!
ViewVC logotype

Diff of /trunk2/all2xml.pl

Parent Directory Parent Directory | Revision Log Revision Log | View Patch Patch

revision 1 by dpavlin, Sun Nov 24 20:52:11 2002 UTC revision 233 by dpavlin, Fri Mar 5 23:33:19 2004 UTC
# Line 5  use OpenIsis; Line 5  use OpenIsis;
5  use Getopt::Std;  use Getopt::Std;
6  use Data::Dumper;  use Data::Dumper;
7  use XML::Simple;  use XML::Simple;
8    use Text::Unaccent 1.02;        # 1.01 won't compile on my platform,
9    use Text::Iconv;
10    use Config::IniFiles;
11    use Encode;
12    #use GDBM_File;
13    use Fcntl;      # for O_RDWR
14    use TDB_File;
15    
16    $|=1;
17    
18    my $config_file = $0;
19    $config_file =~ s/\.pl$/.conf/;
20    die "FATAL: can't find configuration file '$config_file'" if (! -e $config_file);
21    
22    my $config;
23    
24    #use index_DBI;         # default DBI module for index
25    use index_DBI_cache;    # faster DBI module using memory cache
26    my $index;
27    
28  my $config=XMLin();  my %opts;
29    
30  print Dumper($config);  # usage:
31    #       -d directory name
32    #       -m multiple directories
33    #       -q quiet
34    #       -s run swish
35    
36    getopts('d:m:qs', \%opts);
37    
38    my $path;       # this is name of database
39    
40    Text::Iconv->raise_error(0);     # Conversion errors don't raise exceptions
41    
42    # this is encoding of all files on disk, including import_xml/*.xml file and
43    # filter/*.pm files! It will be used to store strings in perl internally!
44    my $codepage = 'ISO-8859-2';
45    
46    my $utf2cp = Text::Iconv->new('UTF-8',$codepage);
47    # this function will convert data from XML files to local encoding
48    sub x {
49            return $utf2cp->convert($_[0]);
50    }
51    
52  my %opts;  # decode isis/excel or other import codepage
53    my $import2cp;
54    
55  getopts('d:m:q', \%opts);  # outgoing xml must be in UTF-8
56    my $cp2utf = Text::Iconv->new($codepage,'UTF-8');
57    
58  my $db_dir = $opts{d};  # mapping between data type and tag which specify
59    # format in XML file
60    my %type2tag = (
61            'isis' => 'isis',
62            'excel' => 'column',
63            'marc' => 'marc',
64            'feed' => 'feed'
65    );
66    
67  die "usage: $0 -d [database_dir] -m [database1,database2] " if (! %opts);  my $cache;      # for cacheing
68    
69  #--------------------------------------------------------------------  # lookup hash (tied to file)
70    my %lhash;
71    # this option will cache all lookup entries in memory.
72    # if you are tight on memory, turn this off
73    my $use_lhash_cache = 1;
74    
75  my $last_tell=0;  my $last_field_name;    # cache to prevent repeated fields
76    
77  my @isis_dirs = ( '.' );        # use dirname as database name  sub data2xml {
78    
79  if ($opts{m}) {          use xmlify;
80          @isis_dirs = split(/,/,$opts{m});  
81  }          my $type = shift @_;
82            my $row = shift @_;
83            my $add_xml = shift @_;
84            # needed to read values from configuration file
85            my $cfg = shift @_;
86            my $database = shift @_;
87    
88            my $xml;
89    
90            use parse_format;
91    
92  my @isis_dbs;          my $html = "";          # html formatted display output
93    
94  foreach (@isis_dirs) {          my %field_usage;        # counter for usage of each field
95          if (-e "$common::isis_data/$db_dir/$_/LIBRI") {  
96                  push @isis_dbs,"$common::isis_data/$db_dir/$_/LIBRI/LIBRI";          # sort subrouting using order="" attribute
97            sub by_order {
98                    my $va = $config->{indexer}->{$a}->{order} ||
99                            $config->{indexer}->{$a};
100                    my $vb = $config->{indexer}->{$b}->{order} ||
101                            $config->{indexer}->{$b};
102    
103                    return $va <=> $vb;
104          }          }
105          if (-e "$common::isis_data/$db_dir/$_/PERI") {  
106                  push @isis_dbs,"$common::isis_data/$db_dir/$_/PERI/PERI";          my @sorted_tags;
107            if ($cache->{tags_by_order}) {
108                    @sorted_tags = @{$cache->{tags_by_order}};
109            } else {
110                    @sorted_tags = sort by_order keys %{$config->{indexer}};
111                    $cache->{tags_by_order} = \@sorted_tags;
112          }          }
113          if (-e "$common::isis_data/$db_dir/$_/AMS") {  
114                  push @isis_dbs,"$common::isis_data/$db_dir/$_/AMS/AMS";          # lookup key
115            my $lookup_key;
116    
117            # cache for field in pages
118            delete $cache->{display_data};
119            delete $cache->{swish_data};
120            delete $cache->{swish_exact_data};
121            delete $cache->{index_data};
122            delete $cache->{index_delimiter};
123            my @page_fields;        # names of fields
124    
125    
126            # subs used to produce output
127    
128            sub get_field_name($$$) {
129                    my ($config,$field,$field_usage) = @_;
130    
131                    # find field name (signular, plural)
132                    my $field_name = "";
133                    if ($config->{indexer}->{$field}->{name_singular} && $field_usage == 1) {
134                            $field_name = $config->{indexer}->{$field}->{name_singular};
135                    } elsif ($config->{indexer}->{$field}->{name_plural}) {
136                            $field_name = $config->{indexer}->{$field}->{name_plural};
137                    } elsif ($config->{indexer}->{$field}->{name}) {
138                            $field_name = $config->{indexer}->{$field}->{name};
139                    } else {
140                            print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";
141                    }
142                    if ($field_name) {
143                            if (! $last_field_name) {
144                                    $last_field_name = x($field_name);
145                                    return $last_field_name;
146                            } elsif ($field_name ne $last_field_name) {
147                                    $last_field_name = x($field_name);
148                                    return $last_field_name;
149                            }
150                    }
151          }          }
152          if (-e "$common::isis_data/$db_dir/$_/ARTI") {  
153  #               push @isis_dbs,"$common::isis_data/$db_dir/$_/ARTI/ARTI";  
154            # begin real work: go field by field
155            foreach my $field (@sorted_tags) {
156    
157                    $field=x($field);
158                    $field_usage{$field}++;
159    
160                    my $swish_data = "";
161                    my $swish_exact_data = "";
162                    my $display_data = "";
163                    my @index_data;
164                    my $line_delimiter;
165    
166                    my ($swish,$display);
167    
168                    my $tag = $type2tag{$type} || die "can't find which tag to use for type $type";
169    
170                    # is this field page-by-page?
171                    my $iterate_by_page = $config->{indexer}->{$field}->{iterate_by_page};
172                    push @page_fields,$field if ($iterate_by_page);
173                    my %page_max = ();
174                    # default line_delimiter if using
175                    my $page_line_delimiter = $config->{indexer}->{$field}->{page_line_delimiter} || '<br/>';
176                    $cache->{index_delimiter}->{$field} = $config->{indexer}->{$field}->{index_delimiter};
177    
178                    my $format_name = $config->{indexer}->{$field}->{format_name};
179                    my $format_delimiter = $config->{indexer}->{$field}->{format_delimiter};
180                    if ($format_name && $format_delimiter) {
181                            $cache->{format}->{$field}->{format_name} = $format_name;
182                            $cache->{format}->{$field}->{format_delimiter} = $format_delimiter;
183                    }
184    
185                    foreach my $x (@{$config->{indexer}->{$field}->{$tag}}) {
186    
187                            my $format = x($x->{content});
188                            my $delimiter = x($x->{delimiter}) || ' ';
189    
190                            my $repeat_off = 0;     # init repeatable offset
191    
192                            # swish, swish_exact, display, index, index_lookup
193                            # swish and display defaults
194                            my ($s,$se,$d,$i,$il) = (1,0,1,0,0);
195                            $s = 0 if (lc($x->{type}) eq "display");
196                            $d = 0 if (lc($x->{type}) eq "swish");
197                            ($s,$se,$d,$i) = (0,1,0,1) if (lc($x->{type}) eq "index");
198                            ($s,$se,$d,$i) = (0,1,0,0) if (lc($x->{type}) eq "swish_exact");
199                            ($s,$se,$d,$i,$il) = (0,1,0,0,1) if (lc($x->{type}) =~ /^lookup/);
200    
201                            # what will separate last line from this one?
202                            if ($display_data && $x->{append}) {
203                                    $line_delimiter = ' ';
204                            } elsif ($display_data) {
205                                    $line_delimiter = '<br/>';
206                            }
207    
208                            # init vars so that we go into while...
209                            ($swish,$display) = (1,1);
210    
211                            # placeholder for all repeatable entries for index
212    
213                            sub chk_eval($) {
214                                    my $data = shift;
215                                    if ($data =~ s/eval{([^}]+)}//) {
216                                            if (eval "$1") {
217                                                    return $data;
218                                            } else {
219                                                    return undef;
220                                            }
221                                    } else {
222                                            return $data;
223                                    }
224                            }
225    
226                            sub mkformat($$) {
227                                    my $x = shift || die "mkformat needs tag reference";
228                                    my $data = shift || return;
229                                    my $format_name = x($x->{format_name}) || return chk_eval($data);
230                                    my $fmt = x($config->{format}->{$format_name}->{content}) || die "<format name=\"$format_name\"> is not defined!";
231                                    my $format_delimiter = x($x->{format_delimiter});
232                                    my @data;
233                                    if ($format_delimiter) {
234                                            @data = split(/$format_delimiter/,$data);
235                                    } else {
236                                            push @data,$data;
237                                    }
238    
239                                    if ($fmt) {
240                                            my $nr = scalar $fmt =~ s/%s/%s/g;
241                                            if (($#data+1) == $nr) {
242                                                    return chk_eval(sprintf($fmt,@data));
243                                            } else {
244                                                    #print STDERR "mkformat: [$data] can't be split on [$format_delimiter] to $nr fields!\n";
245                                                    return chk_eval($data);
246                                            }
247                                    } else {
248                                            print STDERR "usage of link '$format_name' without defined format (<link> tag)\n";
249                                    }
250                            }
251    
252                            # while because of repeatable fields
253                            while ($swish || $display) {
254                                    my $page = $repeat_off;
255                                    $page_max{$field} = $page if ($iterate_by_page && $page > ($page_max{$field} || 0));
256                                    ($swish,$display) = parse_format($type, $format,$row,$repeat_off++,$import2cp);
257                                    if ($repeat_off > 1000) {
258                                            print STDERR "loop (more than 1000 repeatable fields) deteced in $row, $format\n";
259                                            last;
260                                    }
261    
262                                    # is this field is lookup?
263                                    if ($display && $x->{lookup}) {
264                                            my $null = "<!-- null -->";
265                                            if ($use_lhash_cache) {
266                                                    if (!defined($cache->{lhash}->{$display})) {
267                                                            my $new_display = $lhash{$display};
268                                                            if (defined($new_display)) {
269    #print STDERR "lookup cache store '$display' = '$new_display'\n";
270                                                                    $display = $new_display;
271                                                                    $cache->{lhash}->{$display} = $new_display;
272                                                            } else {
273                                                                    print STDERR "WARNING: lookup for '$display' didn't find anything.\n";
274                                                                    $display = "";
275                                                                    $cache->{lhash}->{$display} = $null;
276                                                            }
277                                                    } else {
278                                                            $display = $cache->{lhash}->{$display};
279                                                    }
280                                            } else {
281                                                    $display = $lhash{$display} || $null;
282                                            }
283                                    }
284    
285                                    # filter="name" ; filter this field through
286                                    # filter/[name].pm
287                                    my $filter = $x->{filter};
288                                    if ($filter && !$cache->{filter_loaded}->{$filter}) {
289                                            require "filter/".$filter.".pm";
290                                            $cache->{filter_loaded}->{$filter}++;
291                                    }
292                                    # type="swish" ; field for swish
293                                    if ($swish) {
294                                            if ($filter && ($s || $se)) {
295                                                    no strict 'refs';
296                                                    my $tmp = join(" ",&$filter($swish)) if ($s || $se);
297                                                    $swish_data .= $tmp if ($s);
298                                                    $swish_exact_data .= "xxbxx $tmp xxexx " if ($se && $tmp ne "");
299    
300                                            } else {
301                                                    $swish_data .= $swish if ($s);
302                                                    $swish_exact_data .= "xxbxx $swish xxexx " if ($se && $swish ne "");
303                                            }
304                                    }
305    
306                                    # type="display" ; field for display
307                                    if ($d && $display) {
308                                            my $ldel = $delimiter;
309                                            if ($line_delimiter && $display_data) {
310                                                    $ldel = $line_delimiter;
311                                            }
312                                            if ($filter) {
313                                                    no strict 'refs';
314                                                    my @arr;
315                                                    foreach my $tmp (&$filter($display)) {
316                                                            my $tmp2 = mkformat($x,$tmp);
317                                                            push @arr,$tmp2 if ($tmp2);
318                                                    }
319                                                    $display_data .= $ldel if ($display_data && @arr);
320                                                    $display_data .= join($delimiter,@arr);
321                                            } else {
322                                                    $display_data .= $ldel if ($display_data);
323                                                    my $tmp = mkformat($x,$display);
324                                                    $display_data .= $tmp if ($tmp);
325                                            }
326                                    }
327                                                    
328                                    # type="index" ; insert into index
329                                    my $idisplay;
330                                    if ($i && $display) {
331                                            $idisplay = $display;
332                                            if ($filter) {
333                                                    no strict 'refs';
334                                                    $idisplay = &$filter($idisplay);
335                                            }
336                                            push @index_data, $idisplay if (! $iterate_by_page);
337                                    }
338    
339                                    # store fields in lookup
340                                    if ($il && $display) {
341                                            if (lc($x->{type}) eq "lookup_key") {
342                                                    if ($lookup_key) {
343                                                            print STDERR "WARNING: try to redefine lookup_key (keys shouldn't be repeatable fields!)";
344                                                    } else {
345                                                            if ($filter) {
346                                                                    no strict 'refs';
347                                                                    $lookup_key = &$filter($display);
348                                                            } else {
349                                                                    $lookup_key = $display;
350                                                            }
351                                                    }
352                                            } elsif (lc($x->{type}) eq "lookup_val") {
353                                                    if ($lookup_key) {
354                                                            if ($filter) {
355                                                                    no strict 'refs';
356                                                                    $lhash{$lookup_key} = &$filter($display);
357                                                            } else {
358                                                                    $lhash{$lookup_key} = $display;
359                                                            }
360                                                    } else {
361                                                            print STDERR "WARNING: no lookup_key defined for  '$display'?";
362                                                    }
363                                            }
364    
365                                    }
366    
367                                    # store data for page-by-page repeatable fields
368                                    if ($iterate_by_page) {
369                                            sub iterate_fld($$$$$$) {
370                                                    my ($cache,$what,$field,$page,$data,$append) = @_;
371                                                    return if (!$data);
372    
373                                                    my $ldel = $page_line_delimiter;
374                                                    $ldel = " " if ($append);
375    #print STDERR "line delimiter: ",Dumper($ldel) if ($ldel);
376                                                    if (! $cache->{$what}->{$field}->[$page]) {
377                                                            $cache->{$what}->{$field}->[$page] = $data;
378                                                    } else {
379                                                            $cache->{$what}->{$field}->[$page] .= $ldel.$data;
380                                                    }
381                                            }
382    
383                                            if ($display_data) {
384                                                    iterate_fld($cache,'display_data',$field,$page,$display_data,$x->{append});
385                                            }
386                                                    $display_data = "";
387                                            if ($swish_data) {
388                                                    iterate_fld($cache,'swish_data',$field,$page,$swish_data,$x->{append});
389                                                    $swish_data = "";
390                                            }
391                                            if ($swish_exact_data) {
392                                                    iterate_fld($cache,'swish_exact_data',$field,$page,$swish_exact_data,$x->{append});
393                                                    $swish_exact_data = "";
394                                            }
395    
396                                            if ($idisplay) {
397                                                    my $ldel=$page_line_delimiter;
398                                                    my @index_data;
399                                                    if ($cache->{index_data}->{$field}->[$page]) {
400    
401                                                            @index_data = @{$cache->{index_data}->{$field}->[$page]};
402                                                    }
403                                                    if ($x->{append}) {
404                                                            if (@index_data) {
405                                                                    $index_data[$#index_data] .= $idisplay;
406                                                            } else {
407                                                                    push @index_data, $idisplay;
408                                                            }
409                                                    } else {
410                                                            push @index_data, $idisplay;
411                                                    }
412                                                    $idisplay = "";
413                                                    @{$cache->{index_data}->{$field}->[$page]} = @index_data;
414                                            }
415                                    }
416                            }
417    
418                            if (! $iterate_by_page) {
419                                    my $idel = $x->{index_delimiter};
420                                    # fill data in index
421                                    foreach my $tmp (@index_data) {
422                                            my $i = $d = $tmp;
423                                            if ($idel && $tmp =~ m/$idel/) {
424                                                    ($i,$d) = split(/$idel/,$tmp);
425                                            }
426                                            $index->insert($field, $i, $d, $path);
427                                    }
428                                    @index_data = ();
429                            }
430                    }
431    
432                    # now try to parse variables from configuration file
433                    foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {
434    
435                            my $delimiter = x($x->{delimiter}) || ' ';
436                            my $val = $cfg->val($database, x($x->{content}));
437    
438                            my ($s,$d,$i) = (1,1,0);        # swish, display default
439                            $s = 0 if (lc($x->{type}) eq "display");
440                            $d = 0 if (lc($x->{type}) eq "swish");
441                            # no support for swish exact in config.
442                            # IMHO, it's useless
443                            ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");
444    
445                            if ($val) {
446                                    $display_data .= $delimiter.$val if ($d);
447                                    $swish_data .= $val if ($s);
448                                    $index->insert($field, $val, $path) if ($i);
449                            }
450    
451                            if ($iterate_by_page) {
452                                    # FIXME data from config tag will appear just
453                                    # on first page!!!
454                                    my $page = 0;
455                                    if ($display_data) {
456                                            $cache->{display_data}->{$field}->[$page] = $display_data;
457                                            $display_data = "";
458                                    }
459                                    if ($swish_data) {
460                                            $cache->{swish_data}->{$field}->[$page] = $swish_data;
461                                            $swish_data = "";
462                                    }
463                                    if ($swish_exact_data) {
464                                            $cache->{swish_exact_data}->{$field}->[$page] = $swish_exact_data;
465                                            $swish_exact_data = "";
466                                    }
467                            }
468                    }
469    
470                    # save data page-by-page
471                    foreach my $field (@page_fields) {
472                            my $nr_pages = $page_max{$field} || next;
473    #print STDERR "field '$field' iterate over ",($nr_pages || 0)," pages...\n";
474    #print STDERR Dumper($cache->{display_data});
475                            for (my $page=0; $page <= $nr_pages; $page++) {
476                                    my $display_data;
477                                    if ($cache->{format}->{$field}) {
478                                            my $tmp = mkformat($cache->{format}->{$field},$cache->{display_data}->{$field}->[$page]);
479                                            $display_data=$tmp if ($tmp);
480                                    } else {
481                                            $display_data = $cache->{display_data}->{$field}->[$page];
482                                    }
483                                    if ($display_data) { # default
484                                            if ($field eq "headline") {
485                                                    $xml .= xmlify("headline", $display_data);
486                                            } else {
487    
488                                                    # fallback to empty field name if needed
489                                                    $html .= get_field_name($config,$field,$field_usage{$field}) || '';
490                                                    $html .= "#-#".$display_data."###\n";
491                                            }
492                                    }
493                                    
494                                    my $swish_data = $cache->{swish_data}->{$field}->[$page];
495                                    if ($swish_data) {
496                                            # remove extra spaces
497                                            $swish_data =~ s/ +/ /g;
498                                            $swish_data =~ s/ +$//g;
499    
500                                            $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));
501                                    }
502    
503                                    my $swish_exact_data = $cache->{swish_exact_data}->{$field}->[$page];
504                                    if ($swish_exact_data) {
505                                            $swish_exact_data =~ s/ +/ /g;
506                                            $swish_exact_data =~ s/ +$//g;
507    
508                                            # add delimiters before and after word.
509                                            # That is required to produce exact match
510                                            $xml .= xmlify($field."_swish_exact", unac_string($codepage,$swish_exact_data));
511                                    }
512                                    
513                                    my $idel = $cache->{index_delimiter}->{$field};
514                                    foreach my $tmp (@{$cache->{index_data}->{$field}->[$page]}) {
515                                            my $i = $tmp;
516                                            my $d = $tmp;
517                                            if ($idel && $tmp =~ m/$idel/) {
518                                                    ($i,$d) = split(/$idel/,$tmp);
519                                            }
520                                            $index->insert($field, $i, $d, $path);
521    #print STDERR "index [$idel] $field: $i --> $d [$path]\n";
522                                    }
523                            }
524            
525                    }
526                    
527                    if (! $iterate_by_page) {
528                            if ($display_data) {
529                                    if ($field eq "headline") {
530                                            $xml .= xmlify("headline", $display_data);
531                                    } else {
532    
533                                            # fallback to empty field name if needed
534                                            $html .= get_field_name($config,$field,$field_usage{$field}) || '';
535                                            $html .= "#-#".$display_data."###\n";
536                                    }
537                            }
538                            if ($swish_data) {
539                                    # remove extra spaces
540                                    $swish_data =~ s/ +/ /g;
541                                    $swish_data =~ s/ +$//g;
542    
543                                    $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));
544                            }
545    
546                            if ($swish_exact_data) {
547                                    $swish_exact_data =~ s/ +/ /g;
548                                    $swish_exact_data =~ s/ +$//g;
549    
550                                    # add delimiters before and after word.
551                                    # That is required to produce exact match
552                                    $xml .= xmlify($field."_swish_exact", unac_string($codepage,$swish_exact_data));
553                            }
554                    }
555            }
556    
557            # dump formatted output in <html>
558            if ($html) {
559                    #$xml .= xmlify("html",$html);
560                    $xml .= "<html><![CDATA[ $html ]]></html>";
561            }
562            
563            if ($xml) {
564                    $xml .= $add_xml if ($add_xml);
565                    return "<xml>\n$xml</xml>\n";
566            } else {
567                    return;
568          }          }
569  }  }
570    
571  foreach my $isis_db (@isis_dbs) {  ##########################################################################
572    
573    # read configuration for this script
574    my $cfg = new Config::IniFiles( -file => $config_file );
575    
576    # read global.conf configuration
577    my $cfg_global = new Config::IniFiles( -file => 'global.conf' );
578    
579    # open index
580    $index = new index_DBI(
581                    $cfg_global->val('global', 'dbi_dbd'),
582                    $cfg_global->val('global', 'dbi_dsn'),
583                    $cfg_global->val('global', 'dbi_user'),
584                    $cfg_global->val('global', 'dbi_passwd') || '',
585            );
586    
587    my $show_progress = $cfg_global->val('global', 'show_progress');
588    
589    my $unac_filter = $cfg_global->val('global', 'unac_filter');
590    if ($unac_filter) {
591            require $unac_filter;
592    }
593    
594    foreach my $database ($cfg->Sections) {
595    
596            my $type = lc($cfg -> val($database, 'type')) || die "$database doesn't have 'type' defined";
597            my $add_xml = $cfg -> val($database, 'xml');    # optional
598    
599          my $db = OpenIsis::open( "$isis_db" ) || warn "can't open '$isis_db'";          # create new lookup file
600            my $lookup_file = $cfg -> val($database, 'lookup_newfile'); # optional
601            if ($lookup_file) {
602                    #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_NEWDB, 0644;
603                    tie %lhash, 'TDB_File', $lookup_file, TDB_CLEAR_IF_FIRST, O_RDWR, 0644;
604                    print STDERR "creating lookup file '$lookup_file'\n";
605                    # delete memory cache for lookup file
606                    delete $cache->{lhash};
607            }
608    
609          my $max_rowid = OpenIsis::maxRowid( $db );          # open existing lookup file
610            $lookup_file = $cfg -> val($database, 'lookup_open'); # optional
611            if ($lookup_file) {
612                    #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_READER, 0644;
613                    tie %lhash, 'TDB_File', $lookup_file, TDB_DEFAULT, O_RDWR, 0644;
614                    print STDERR "opening lookup file '$lookup_file'\n";
615            }
616    
617          my $last_pcnt = 0;  print STDERR "reading ./import_xml/$type.xml\n";
618    
619          for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {          # extract just type basic
620                  my $row = OpenIsis::read( $db, $row_id );          my $type_base = $type;
621            $type_base =~ s/_.+$//g;
622    
623            $config=XMLin("./import_xml/$type.xml", forcearray => [ $type2tag{$type_base}, 'config', 'format' ], forcecontent => 1);
624    
625            # output current progress indicator
626            my $last_p = 0;
627            sub progress {
628                    return if (! $show_progress);
629                    my $current = shift;
630                    my $total = shift || 1;
631                    my $p = int($current * 100 / $total);
632                    if ($p != $last_p) {
633                            printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$current,$total,"=" x ($p/2).">", $p );
634                            $last_p = $p;
635                    }
636            }
637    
638                  # output current process indicator          my $fake_dir = 1;
639                  my $pcnt = int($row->{mfn} * 100 / $max_rowid);          sub fakeprogress {
640                  if ($pcnt != $last_pcnt) {                  return if (! $show_progress);
641                          printf STDERR ("%5d / %5d -- %-2d %%\n",$row->{mfn},$max_rowid,$pcnt) if (! $opts{q});                  my $current = shift @_;
642                          $last_pcnt = $pcnt;  
643                    my @ind = ('-','\\','|','/','-','\\','|','/', '-');
644    
645                    $last_p += $fake_dir;
646                    $fake_dir = -$fake_dir if ($last_p > 1000 || $last_p < 0);
647                    if ($last_p % 10 == 0) {
648                            printf STDERR ("%5d / %5s [%-51s]\r",$current,"?"," " x ($last_p/20).$ind[($last_p/20) % $#ind]);
649                  }                  }
650          }          }
651    
652            # now read database
653    print STDERR "using: $type...\n";
654    
655            # erase cache for tags by order in this database
656            delete $cache->{tags_by_order};
657    
658            if ($type_base eq "isis") {
659    
660                    my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";
661    
662                    $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);
663                    my $db = OpenIsis::open( $isis_db );
664    
665                    # check if .txt database for OpenIsis is zero length,
666                    # if so, erase it and re-open database
667                    sub check_txt_db {
668                            my $isis_db = shift || die "need isis database name";
669                            my $reopen = 0;
670    
671                            if (-e $isis_db.".TXT") {
672                                    print STDERR "WARNING: removing $isis_db.TXT OpenIsis database...\n";
673                                    unlink $isis_db.".TXT" || warn "FATAL: unlink error on '$isis_db.TXT': $!";
674                                    $reopen++;
675                            }
676                            if (-e $isis_db.".PTR") {
677                                    print STDERR "WARNING: removing $isis_db.PTR OpenIsis database...\n";
678                                    unlink $isis_db.".PTR" || warn "FATAL: unlink error on '$isis_db.PTR': $!";
679                                    $reopen++;
680                            }
681                            return OpenIsis::open( $isis_db ) if ($reopen);
682                    }
683    
684                    # EOF error
685                    if ($db == -1) {
686                            $db = check_txt_db($isis_db);
687                            if ($db == -1) {
688                                    print STDERR "FATAL: OpenIsis can't open zero size file $isis_db\n";
689                                    next;
690                            }
691                    }
692    
693                    # OpenIsis::ERR_BADF
694                    if ($db == -4) {
695                            print STDERR "FATAL: OpenIsis can't find file $isis_db\n";
696                            next;
697                    # OpenIsis::ERR_IO
698                    } elsif ($db == -5) {
699                            print STDERR "FATAL: OpenIsis can't access file $isis_db\n";
700                            next;
701                    } elsif ($db < 0) {
702                            print STDERR "FATAL: OpenIsis unknown error $db with file $isis_db\n";
703                            next;
704                    }
705    
706                    my $max_rowid = OpenIsis::maxRowid( $db );
707    
708                    # if 0 records, try to rease isis .txt database
709                    if ($max_rowid == 0) {
710                            # force removal of database
711                            $db = check_txt_db($isis_db);
712                            $max_rowid = OpenIsis::maxRowid( $db );
713                    }
714    
715                    print STDERR "Reading database: $isis_db [$max_rowid rows]\n";
716    
717                    my $path = $database;
718    
719                    for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {
720                            my $row = OpenIsis::read( $db, $row_id );
721                            if ($row && $row->{mfn}) {
722            
723                                    progress($row->{mfn}, $max_rowid);
724    
725                                    my $swishpath = $path."#".int($row->{mfn});
726    
727                                    if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
728                                            $xml = $cp2utf->convert($xml);
729                                            use bytes;      # as opposed to chars
730                                            print "Path-Name: $swishpath\n";
731                                            print "Content-Length: ".(length($xml)+1)."\n";
732                                            print "Document-Type: XML\n\n$xml\n";
733                                    }
734                            }
735                    }
736                    # for this to work with current version of OpenIsis (0.9.0)
737                    # you might need my patch from
738                    # http://www.rot13.org/~dpavlin/projects/openisis-0.9.0-perl_close.diff
739                    OpenIsis::close($db);
740                    print STDERR "\n";
741    
742            } elsif ($type_base eq "excel") {
743                    use Spreadsheet::ParseExcel;
744                    use Spreadsheet::ParseExcel::Utility qw(int2col);
745                    
746                    $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);
747                    my $excel_file = $cfg -> val($database, 'excel_file') || die "$database doesn't have 'excel_file' defined!";
748    
749                    my $sheet = x($config->{sheet}) || die "no sheet in $type.xml";
750                    my $start_row = x($config->{start_row}) - 1 || die "no start_row in $type.xml";
751    
752                    my $oBook = Spreadsheet::ParseExcel::Workbook->Parse($excel_file) || die "can't open Excel file '$excel_file'";
753    
754                    my $sheet_nr = 0;
755                    foreach my $oWks (@{$oBook->{Worksheet}}) {
756                            #print STDERR "-- SHEET $sheet_nr:", $oWks->{Name}, "\n";
757                            last if ($oWks->{Name} eq $sheet);
758                            $sheet_nr++;
759                    }
760    
761                    my $oWorksheet = $oBook->{Worksheet}[$sheet_nr];
762            
763                    print STDERR "using sheet: ",$oWorksheet->{Name},"\n";
764                    defined ($oWorksheet) || die "can't find sheet '$sheet' in $excel_file";
765                    my $end_row = x($config->{end_row}) || $oWorksheet->{MaxRow};
766    
767                    for(my $iR = $start_row ; defined $end_row && $iR <= $end_row ; $iR++) {
768                            my $row;
769                            for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {
770                                    my $cell = $oWorksheet->{Cells}[$iR][$iC];
771                                    if ($cell) {
772                                            $row->{int2col($iC)} = $cell->Value;
773                                    }
774                            }
775    
776                            progress($iR, $end_row);
777    
778    #                       print "row[$iR/$end_row] ";
779    #                       foreach (keys %{$row}) {
780    #                               print "$_: ",$row->{$_},"\t";
781    #                       }
782    #                       print "\n";
783    
784                            my $swishpath = $database."#".$iR;
785    
786                            next if (! $row);
787    
788                            if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
789                                    $xml = $cp2utf->convert($xml);
790                                    use bytes;      # as opposed to chars
791                                    print "Path-Name: $swishpath\n";
792                                    print "Content-Length: ".(length($xml)+1)."\n";
793                                    print "Document-Type: XML\n\n$xml\n";
794                            }
795                    }
796            } elsif ($type_base eq "marc") {
797    
798                    use MARC;
799                    
800                    $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);
801                    my $marc_file = $cfg -> val($database, 'marc_file') || die "$database doesn't have 'marc_file' defined!";
802    
803                    # optional argument is format
804                    my $format = x($config->{marc_format}) || 'usmarc';
805    
806                    print STDERR "Reading MARC file '$marc_file'\n";
807    
808                    my $marc = new MARC;
809                    my $nr = $marc->openmarc({
810                                    file=>$marc_file, format=>$format
811                            }) || die "Can't open MARC file '$marc_file' with format '$format'";
812    
813                    # read MARC file in memory
814                    $marc->nextmarc(-1);
815    
816                    my $max_rec = $marc->marc_count();
817    
818                    for(my $i=1; $i<=$max_rec; $i++) {
819    
820                            progress($i,$max_rec);
821    
822                            # store value for marc_sf.pm
823                            $main::cache->{marc_record} = $i;
824    
825                            my $swishpath = $database."#".$i;
826    
827                            if (my $xml = data2xml($type_base,$marc,$add_xml,$cfg,$database)) {
828                                    $xml = $cp2utf->convert($xml);
829                                    use bytes;      # as opposed to chars
830                                    print "Path-Name: $swishpath\n";
831                                    print "Content-Length: ".(length($xml)+1)."\n";
832                                    print "Document-Type: XML\n\n$xml\n";
833                            }
834                    }
835    
836                    print STDERR "\n";
837    
838            } elsif ($type_base eq "feed") {
839    
840                    $import2cp = Text::Iconv->new($config->{feed_codepage},$codepage);
841                    my $prog = x($config->{prog}) || die "$database doesn't have 'prog' defined!";
842    
843                    print STDERR "Reading feed from program '$prog'\n";
844    
845                    open(FEED,"feeds/$prog |") || die "can't start $prog: $!";
846    
847                    my $i=1;        # record nr.
848    
849                    my $data;
850                    my $line=1;
851    
852                    while (<FEED>) {
853                            chomp;
854    
855                            if (/^$/) {
856                                    my $swishpath = $database."#".$i++;
857    
858                                    if (my $xml = data2xml($type_base,$data,$add_xml,$cfg,$database)) {
859                                            $xml = $cp2utf->convert($xml);
860                                            use bytes;      # as opposed to chars
861                                            print "Path-Name: $swishpath\n";
862                                            print "Content-Length: ".(length($xml)+1)."\n";
863                                            print "Document-Type: XML\n\n$xml\n";
864                                    }
865                                    $line = 1;
866                                    $data = {};
867                                    next;
868                            }
869    
870                            $line = $1 if (s/^(\d+):\s*//);
871                            $data->{$line++} = $_;
872    
873                            fakeprogress($i);
874    
875                    }
876                    # close lookup
877                    untie %lhash if (%lhash);
878            }
879  }  }
880    
881    # call this to commit index
882    $index->close;
883    
884    1;
885    __END__
886    ##########################################################################
887    
888    =head1 NAME
889    
890    all2xml.pl - read various file formats and dump XML for SWISH-E
891    
892    =head1 DESCRIPTION
893    
894    This command will read ISIS data file using OpenIsis perl module, MARC
895    records using MARC module and optionally Micro$oft Excel files to
896    create one XML file for usage with I<SWISH-E> indexer. Dispite it's name,
897    this script B<isn't general xml generator> from isis files (isis allready
898    has something like that). Output of this script is tailor-made for SWISH-E.
899    
900    =head1 BUGS
901    
902    Documentation is really lacking. However, in true Open Source spirit, source
903    is best documentation. I even made considerable effort to comment parts
904    which are not intuitively clear, so...
905    
906    =head1 AUTHOR
907    
908    Dobrica Pavlinusic <dpavlin@rot13.org>
909    
910    =head1 COPYRIGHT
911    
912    GNU Public License (GPL) v2 or later
913    
914    =head1 SEE ALSO
915    
916    SWISH-E web site at http://www.swish-e.org
917    
918    =cut

Legend:
Removed from v.1  
changed lines
  Added in v.233

  ViewVC Help
Powered by ViewVC 1.1.26